塔斯娱乐资讯网

抢走英伟达生意的不是更好的GPU,是另一种芯片


英伟达让出的市场,没有落到另一块GPU手里。200.8 万颗。这是 2026 年上半年,中国数据中心吃进的 AI 加速器总数。
其中 101.6 万颗不是 GPU。
历史上第一次,非 GPU 超过了 GPU。
这个数据在几乎所有报道里都被一句话带过。但它比任何一家的份额都重要。
这两类芯片,不是一回事
GPU 是万能卡车。什么都能拉,什么路都能跑,但不专精。
非 GPU 是专用货车。只跑一条线,但又快又省油。
学名叫 DSA,领域专用架构。
这个概念不是中国人造的。2017 年,图灵奖得主 John Hennessy 和 David Patterson 在获奖演讲《计算机架构的新黄金时代》里提出,摩尔定律快到头了,接下来该给特定领域定制架构。
他们说,这会开启计算机体系结构的新黄金时代。

谷歌十年前就走了这条路
2015 年立项,15 个月完成设计、验证、制造和部署。
2016 年 AlphaGo 击败李世石,背后用的就是第一代 TPU。那块芯片不为通用计算设计,只为矩阵乘法优化。
2017 年 TPU v2 开始支持训练。同年 Transformer 论文发表,计算特性和 TPU 高度契合,这是谷歌的运气。
2018 年 v3 上大规模液冷,4096 颗芯片连成超节点。2024 年第六代 Trillium,性能比上一代提升 4.7 倍,能效提升 67%,Gemini 的训练就压在它身上。2025 年第七代 Ironwood,单芯片 FP8 峰值算力 4614 TFLOPS。2026 年 4 月,第八代拆成两条线,TPU 8t 管训练,TPU 8i 管推理。
十年,八代。每一代都真跑在谷歌自己的搜索、广告、YouTube 推荐和 Gemini 上,没有一代是只发布不上线的。
谷歌当年为什么下这个决心。他们从自家业务里算出一件事,AI 的算力需求会指数级爆炸,通用芯片迟早成为成本黑洞。
这句话写在 2015 年。

中国为什么走得更快
三个原因。
第一,场景对得上。国内的 AI 需求,推理占大头。推理这件事不需要万能,需要快和省。专用架构正好对口。
第二,CUDA 那道墙。通用 GPU 的生态被英伟达经营了十几年,几百万工程师习惯了那套工具。正面撞是撞不过的,绕开反而是理性选择。
第三,成本。专用芯片在每单位算力上的花费更低。内蒙古数据中心枢纽的电价约每度 4.7 美分,差不多是美国工业平均电价的一半。电便宜,芯片便宜,这笔账算下来,总成本就压住了。
95% 被四家吃掉
101.6 万颗非 GPU 里,华为、平头哥、昆仑芯、寒武纪四家吃下 95%。
这个集中度不是偶然。
专用架构的门槛不在芯片本身,在生态。架构定下来,编译器、算子库、框架适配、模型迁移,全套都得跟着做。中小厂商做不起这一套。
所以这条路一旦走通,护城河比想象中深。别人不是不想进,是进不来。

代价也得说
专用意味着不通吃。
模型结构一变,架构可能就得重做。Transformer 在 2017 年出现的时候,正好和 TPU 的设计撞上了,这是谷歌的运气。下一次架构革命来的时候谁能接住,现在没人知道。
还有一条,绑定。用了专用架构,软件栈就绑在那一家身上,迁移成本不是零。
这两条决定了,专用路线能赢一时。能不能赢很久,要看生态能不能一直跟上。
2027 年那道坡
摩根士丹利给过一组预测。中国 AI 芯片的自给率,2025 年 35%,2026 年 45%,2027 年 68%,2028 年 77%,2030 年 95%。
这条线不平滑。2027 年跳得最猛,一年之内多出 23 个百分点。
为什么是那一年。产能、良率、工具链,三样东西同时到位,才会出现这种跳跃。前面几年都在铺路,那一年是收成。
最后
英伟达真正的对手,不是另一块做得更好的 GPU。
是另一条路。
这条路,谷歌走了十年,中国厂商走了三年。走到了非 GPU 第一次超过 GPU 的这一天。
2017 年,两位图灵奖得主说,这会开启一个新的黄金时代。
八年过去,这句话正在被验证。
你觉得专用这条路能走多远?评论区聊聊。